考虑到气象因素对电力短期负荷预测精度存在影响，提出了一套贝叶斯优化和长短期记忆神经网络（BOLSTM）组合预测模型。通过贝叶斯优化算法优选出全局最优参数组合，再采用优选出的五类气象因素数据（日最高温度、日最低温度、日平均温度、日平均相对湿度、降雨量）以及实际电力负荷数据作为输入特征量对优化后的LSTM神经网络进行训练。最后对某地区的电力负荷数据进行预测分析，并与不同方法对比分析，证明了考虑气象因素后的BO-LSTM神经网络预测精度高，可以作为可靠的短期电力负荷预测工具。
科研之友
微信
新浪微博
Facebook
分享链接
